Erdas监督分类的步骤.docxVIP

遥感图像分类的原理 监督分类流程图（Erdas环境）在专业遥感图像处理软件Erdas环境下，监督分类的流程图可以表示如下：? 图2-1 监督分类流程图监督分类注意事项（1）分类应从下往上，即每一地类应先细分为若干小类，然后再依需要自下而上合并成大类。（2）每一类的训练区文件aoi与特征文件sig应该一一对应，即每一类对应的训练区和特征文件都应该保存为一个单独的文件，以方便在调整训练区的时候进行修改。（3）精度检验后若精度不符合要求，需要重新调整训练区，再次分类，直到精度满足要求为止。监督分类过程示例1．图2-2为某地TM遥感影像，432波段假彩色合成。图2-2? TM影像（432波段合成）2．确定分类类别通过色调、纹理等图像特征，确定该区域分类类别为水体，植被和滩涂。各类分类特征如表2-1所示。表2-1 分类特征?3．为每一类选择训练区及特征文件（1）AOI操作工具简介在Viewer窗口中选择“AOI”→“Tools…”，调出AOI（Area Of Interest，感兴趣区）浮动工具栏（如图2-3所示）。图2-3? AOI浮动工具栏?其中较为常用的工具按钮为：（2）特征文件操作工具简介特征文件从AOI区域中获得。使用“Erdas” →“Classifier” →“Signature Editor”，调出特征文件编辑器，如图2-4所示。图2-4 特征文件编辑器其中较为常用的工具为：?打开一个特征文件。 ?新建一个特征文件/打开新的特征文件编辑器。?添加选中的AOI的特征到特征文件中。 ?使用选中的AOI特征替换当前特征。?合并选中的特征文件中的特征到一个特征。一般建立特征文件的步骤是，在Viewer窗口中使用AOI工具勾画感兴趣区，使用 把该AOI区域中的特征添加到特征文件中。也可以选中多个AOI批量添加到特征文件中。（2）为各类别建立训练区文件和特征文件。把遥感影像放大到像元级，选择矩形AOI选择工具，根据建立的判读标识，在遥感影像上选择AOI区域，然后使用 依次添加特征到特征文件中。（注：作为示例，本例选择3个AOI区域，且没有细分小类。）选择完成的AOI区域和特征文件如图2-5和图2-6所示。分别保存为“水体.aoi”和“水体.sig”。在Viewer窗口中使用 去除已经保存完毕的AOI图层，重新选择其他类别的训练区，并建立新的特征文件。分别保存为“植被.aoi”和“植被.sig”；“滩涂.aoi”和“滩涂.sig”。?图2-5?图2-6（3）合并特征文件在各个类别的特征文件建立完毕后，需要合并成为一个总体特征文件。新建一个特征文件编辑器，选择 打开保存的“水体.sig”文件。注意选择“Append”（添加）把特征文件添加进来，而非“Replace”（替换）。如图2-7所示。图2-7? 添加特征文件把水体特征文件添加进来之后，全部选中所有的特征，如图2-8所示。图2-8 选中所有特征使用 工具，把选中的水体的所有特征合并为一个总体的水体特征，右单击“Class#”列表，选择“Delete Selection”删除原有特征如图2-9所示。图2-9? 删除原有特征重命名总体水体特征的“Signature Name”为“水体”。如图2-10所示。图2-10? 总体水体特征如此添加其他两类进入，并合并成各自的总体特征，分别命名为“植被”、“滩涂”。并更改Value值为1，2，3，并另存为（Save As）“结果特征文件.sig”如图2-11所示。图2-11 结果特征文件（4）分类选择“Erdas” →“Classifier” →“Supervised Classification”，在分类设置对话框中如图2-12设置。图2-12? 监督分类设置在该对话框中，使用 输入待分类的图像“subset.img”、分类特征文件“结果特征文件.sig”并指定分类结果的保存路径及名称，如“分类结果.img”。分类方法选择“Maximum Likelihood”（最大似然），其余可以默认。点击“OK”，系统将对原始影像依据指定的特征文件进行分类。运算完毕界面如图2-13示。图2-13 运算完成（5）分类结果分类的结果如图2-14所示。图2-14? 分类结果为了更好的表达分类结果，可以使用Viewer窗口中的“Raster” →“Attributes”，更改“水体”和“植被”的显示颜色为蓝色（RGB为0 0 1）和绿色（RGB为 0 1 0），如图2-15示。图2-15? 调整颜色调整颜色后的分类结果如图2-16所示。?精度检验① 同时打开原始影像和分类结果图，在任一幅图中单击右键，在弹出的菜单中选择“Geo. Link/Unlink”，然后在另一幅图中单击左键，关联两幅影像。② 使用“Erdas”→“Classifier”→“Accuracy